买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海数中科技有限公司申请的专利智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121438349B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511999251.X，技术领域涉及：G06V30/422；该发明授权智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法及装置是由包含;陆帅东;杜斐阳;倪其玲;缪旭设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法及装置在说明书摘要公布了：本发明提供了一种智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法及装置，涉及智算云平台及算力基础设施技术领域，该方法包括：基于正例样式和反例样式构建样本数据集，并将所述样本数据集划分为训练集和验证集；智能计算云平台利用算力，基于所述训练集对初始模型进行N次迭代训练，将第M次迭代训练后的初始模型确定为最终模型；将所述最终模型部署于所述智能计算云平台，以对接收到的汽车图纸批量进行尺寸线穿越文字检测。模型基于前期充分训练的特征，能精准输出文字位置，并识别汽车图纸中尺寸线与文字的空间关系，提升了对汽车图纸尺寸线穿越文字检测的效率和准确性。

本发明授权智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法及装置在权利要求书中公布了：1.一种智能计算云平台通过算力进行汽车图纸尺寸线穿越文字自动检测方法，其特征在于，所述方法包括： 步骤S1、基于正例样式和反例样式，构建样本数据集，并将所述样本数据集划分为训练集和验证集，所述正例样式表示汽车图纸中尺寸线与文字无交叉异常、无重叠异常以及无覆盖异常，所述反例样式表示汽车图纸中尺寸线与文字存在交叉异常、重叠异常和覆盖异常中的至少一种； 步骤S2、智能计算云平台利用算力，基于所述训练集对初始模型进行N次迭代训练，将第M次迭代训练后的初始模型确定为最终模型，所述第M次迭代训练后的初始模型在所述验证集中对应的损失值小于第L次迭代训练后的初始模型在所述验证集中对应的损失值，N为正整数，M为小于或等于N的正整数，L为小于或等于N的正整数，且L不等于M，第L次迭代训练为N次迭代训练中除第M次迭代训练之外的任一次； 步骤S3、将所述最终模型部署于所述智能计算云平台，以对接收到的汽车图纸批量进行尺寸线穿越文字检测； 所述步骤S2，包括： 步骤S21、选用轻量化深度学习检测网络作为所述初始模型，所述初始模型用于输出文字在汽车图纸中的位置信息，以及汽车图纸中尺寸线和文字的检测结果； 步骤S22、所述智能计算云平台利用算力，采用分布式数据并行框架对从所述训练集中随机抽取的预设数量的样本数据，输入至所述初始模型进行特征提取后，通过所述初始模型输出预测的位置信息以及预测的检测结果； 步骤S23、根据第一损失值和第二损失值计算所述初始模型的总损失值，所述第一损失值表示所述初始模型输出的所述样本数据中文字在汽车图纸中预测的位置信息与所述样本数据中文字在汽车图纸中的真实的位置信息之间的误差，所述第二损失值表示所述初始模型输出的所述样本数据中汽车图纸中尺寸线和文字的预测的检测结果与所述样本数据中尺寸线和文字的真实的检测结果之间的误差，所述第一损失值通过交并比损失IoULoss计算，所述第二损失值通过多类别交叉熵损失计算； 步骤S24、基于所述总损失值，通过链式法则反向传播，计算所述初始模型对应模型参数的梯度，并根据所述梯度和学习率对所述模型参数进行N次迭代，得到N个迭代训练后的初始模型，其中，N为预设值，所述模型参数包括卷积核权重、偏置项、回归参数，且每迭代一次，所述学习率按余弦退火算法降低； 步骤S25、在第M次迭代训练后的初始模型在所述验证集中对应的总损失值小于第L次迭代训练后的初始模型在所述验证集中对应的总损失值的情况下，将第M次迭代训练后的初始模型确定为最终模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海数中科技有限公司，其通讯地址为：200030 上海市徐汇区枫林路420号2层A区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。